deep-learning पर टैग किए गए जवाब

मशीन लर्निंग अनुसंधान का एक नया क्षेत्र जो डेटा के पदानुक्रमित अभ्यावेदन सीखने के लिए उपयोग की जाने वाली तकनीकों से संबंधित है, मुख्य रूप से गहरे तंत्रिका नेटवर्क (यानी दो या अधिक छिपी परतों के साथ नेटवर्क) के साथ किया जाता है, लेकिन कुछ प्रकार के प्रोबेबिलिस्टिक ग्राफिकल मॉडल के साथ भी।

3
केर में मल्टी जी.पी.यू.
आप कई जीपीयू पर प्रशिक्षण के विभाजन के लिए केरस लाइब्रेरी (या टेंसरफ़्लो) में कैसे प्रोग्राम कर सकते हैं? मान लीजिए कि आप Amazon ec2 उदाहरण में हैं, जिसमें 8 GPU हैं और आप उन सभी का उपयोग तेजी से प्रशिक्षित करने के लिए करना चाहेंगे, लेकिन आपका कोड केवल …
4
शोर गर्भनिरोधक अनुमान (NCE) नुकसान की सहज व्याख्या?
मैंने इन दो स्रोतों से एनसीई (उम्मीदवार के नमूने का एक रूप) के बारे में पढ़ा: टेंसरफ्लो राइटअप मूल पेपर क्या कोई मेरी मदद कर सकता है: एनसीई कैसे काम करता है की एक सरल व्याख्या (मुझे उपरोक्त मुश्किलों को समझने और समझने में मदद मिली, इसलिए कुछ सहज ज्ञान …
1
पेपर: लेयर नॉर्मलाइज़ेशन, रिकरेंट बैच नॉर्मलाइज़ेशन (2016) और बैच नॉर्मलाइज़्ड आरएनएन (2015) में क्या अंतर है?
तो, हाल ही में एक लेयर नॉर्मलाइज़ेशन पेपर है। केरस पर इसका कार्यान्वयन भी है । लेकिन मुझे याद है कि रिकरेंट बैच नॉर्मलाइजेशन (कोइजमैन, 2016) और बैच नॉर्मलाइज्ड रिकरंट न्यूरल नेटवर्क्स (लॉरेंट, 2015) शीर्षक वाले पेपर हैं । उन तीनों में क्या अंतर है? यह संबंधित कार्य खंड है …
5
डीप लर्निंग बनाम ग्रेडिएंट बूस्टिंग: कब क्या उपयोग करना है?
मुझे एक बड़े डेटासेट के साथ एक बड़ी डेटा समस्या है (उदाहरण के लिए 50 मिलियन पंक्तियाँ और 200 कॉलम लें)। डेटासेट में लगभग 100 संख्यात्मक कॉलम और 100 श्रेणीबद्ध कॉलम और एक प्रतिक्रिया स्तंभ होता है जो बाइनरी क्लास समस्या का प्रतिनिधित्व करता है। प्रत्येक श्रेणीबद्ध कॉलम की कार्डिनैलिटी …
3
सॉफ्टमैक्स क्लासिफायर में, सामान्यीकरण करने के लिए एक्सप फंक्शन का उपयोग क्यों करें?
मानक सामान्यीकरण के विपरीत सॉफ्टमैक्स का उपयोग क्यों करें? इस प्रश्न के शीर्ष उत्तर के टिप्पणी क्षेत्र में, @Kilian Batzner ने 2 प्रश्न उठाए, जो मुझे बहुत भ्रमित करते हैं। ऐसा लगता है कि कोई भी संख्यात्मक लाभ के अलावा कोई स्पष्टीकरण नहीं देता है। मुझे क्रॉस-एन्ट्रॉपी लॉस का उपयोग …
7
मशीन सीखने के कार्यों के लिए डेटा को फेरबदल क्यों किया जाना चाहिए
मशीन सीखने के कार्यों में डेटा को फेरबदल करना और इसे सामान्य करना सामान्य है। सामान्यीकरण का उद्देश्य स्पष्ट है (समान श्रेणी के फ़ीचर मान होने के लिए)। लेकिन, बहुत संघर्ष करने के बाद, मुझे डेटा में फेरबदल का कोई मूल्यवान कारण नहीं मिला। मैंने इस पोस्ट को यहाँ चर्चा …
2
ग्राउंड ट्रुथ क्या है
मशीन लर्निंग के संदर्भ में , मैंने देखा है कि ग्राउंड ट्रुथ शब्द का काफी इस्तेमाल हुआ है। मैंने बहुत खोज की है और विकिपीडिया में निम्नलिखित परिभाषा पाई है : मशीन लर्निंग में, शब्द "जमीनी सच्चाई" से तात्पर्य पर्यवेक्षित शिक्षण तकनीकों के प्रशिक्षण सेट के वर्गीकरण की सटीकता से …
1
स्केगन ग्रैडिएंटबॉस्टिंग क्लैसिफायर की तुलना में एक्सगबोस्ट इतना तेज क्यों है?
मैं 100 न्यूमेरिक फीचर्स के साथ 50k उदाहरणों पर एक ढाल बढ़ाने वाले मॉडल को प्रशिक्षित करने की कोशिश कर रहा हूं। XGBClassifierमेरी मशीन पर 43 सेकंड के भीतर 500 पेड़ लगाता है, जबकि GradientBoostingClassifier1 मिनट और 2 सेकंड में केवल 10 पेड़ (!) को संभालता है :( मैंने 500 …
29 scikit-learn  xgboost  gbm  data-mining  classification  data-cleaning  machine-learning  reinforcement-learning  data-mining  bigdata  dataset  nlp  language-model  stanford-nlp  machine-learning  neural-network  deep-learning  randomized-algorithms  machine-learning  beginner  career  xgboost  loss-function  neural-network  software-recommendation  naive-bayes-classifier  classification  scikit-learn  feature-selection  r  random-forest  cross-validation  data-mining  python  scikit-learn  random-forest  churn  python  clustering  k-means  machine-learning  nlp  sentiment-analysis  machine-learning  programming  python  scikit-learn  nltk  gensim  visualization  data  csv  neural-network  deep-learning  descriptive-statistics  machine-learning  supervised-learning  text-mining  orange  data  parameter-estimation  python  pandas  scraping  r  clustering  k-means  unsupervised-learning 
3
एक तंत्रिका नेटवर्क के प्रशिक्षण के लिए सीपीयू और जीपीयू के बीच चयन
मैंने एक जीपीयू के 'ओवरहेड' के बारे में चर्चा की है, और 'छोटे' नेटवर्क के लिए, यह वास्तव में एक जीपीयू की तुलना में सीपीयू (या सीपीयू के नेटवर्क) पर प्रशिक्षित करने के लिए तेज़ हो सकता है। 'छोटा' से क्या तात्पर्य है? उदाहरण के लिए, क्या 100 छिपी इकाइयों …
7
मशीन सीखने के मॉडल को प्रशिक्षित करने के लिए मुफ्त क्लाउड सेवाएं हैं?
मैं बड़ी मात्रा में प्रशिक्षण डेटा के साथ एक गहरे मॉडल को प्रशिक्षित करना चाहता हूं, लेकिन मेरे डेस्कटॉप में इस तरह के गहरे मॉडल को अपने प्रचुर डेटा के साथ प्रशिक्षित करने की शक्ति नहीं है। मैं जानना चाहता हूं कि क्या कोई ऐसी निःशुल्क क्लाउड सेवाएं हैं जिनका …
1
पाइरॉच बनाम टेन्सरफ्लो फोल्ड
PyTorch और Tensorflow Fold दोनों ही गहन शिक्षण ढाँचे हैं जो उन स्थितियों से निपटने के लिए हैं जहाँ इनपुट डेटा में गैर-समान लंबाई या आयाम हैं (यानी, ऐसी स्थितियाँ जहाँ डायनेमिक ग्राफ़ उपयोगी या आवश्यक हैं)। मैं जानना चाहूंगा कि वे किस तरह की तुलना करते हैं, प्रतिमानों के …
1
केरस सटीकता की गणना कैसे करता है?
केरेस कक्षावार संभावनाओं से सटीकता की गणना कैसे करता है? उदाहरण के लिए, उदाहरण के लिए, हमारे पास परीक्षण सेट में 100 नमूने हैं जो दो वर्गों में से एक के हो सकते हैं। हमारे पास कक्षावार संभावितों की एक सूची भी है। दोनों वर्गों में से किसी एक को …
7
क्या मशीन सीखना एक सूची से अधिकतम खोजने की तरह एक फ़ंक्शन सीख सकता है?
मेरे पास एक इनपुट है जो एक सूची है और आउटपुट इनपुट-सूची के तत्वों का अधिकतम हिस्सा है। क्या मशीन लर्निंग ऐसे फ़ंक्शन को सीख सकता है जो इनपुट में मौजूद इनपुट-तत्वों की अधिकतम मात्रा का चयन करता है? यह एक बहुत ही बुनियादी प्रश्न के रूप में लग सकता …
2
केरस में दो अलग-अलग मॉडल विलय
मैं दो केरस मॉडल को एक मॉडल में विलय करने की कोशिश कर रहा हूं और मैं इसे पूरा करने में असमर्थ हूं। संलग्न चित्र में उदाहरण के लिए, मैं आयाम 8 की मध्य परत को प्राप्त करना चाहूंगा , और इसका उपयोग मॉडल में परत (आयाम 8 फिर से) …
5
तंत्रिका नेटवर्क में न्यूरॉन्स और परतों की संख्या कैसे निर्धारित करें
मैं तंत्रिका नेटवर्क का आरंभक हूं और दो अवधारणाओं को समझने में परेशानी हुई है: किसी दिए गए तंत्रिका नेटवर्क की मध्य परतों की संख्या कैसे तय होती है? 1 बनाम 10 या जो भी हो। प्रत्येक मध्य परत में न्यूरॉन्स की संख्या कैसे तय होती है? क्या प्रत्येक मध्य …
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.